需要指导-识别风险因素

Question

我有一个数据集的病人谁已经住院(住院)和没有住院(但访问作为门诊病人)。班级比例是66:34。

我已经收集了所有这些病人的特征清单。

现在我的目标是找出导致住院的危险因素？也就是说，哪些危险因素会影响病人入院？两类之间的危险因素有何不同？例如，心率过高或某些敏感的临床参数(仅举个例子)的病人可以入院，而临床参数正常的人可能不能入院，而只能去咨询。

你能确认我下面的步骤是否正确吗？

1)我有两个类别(承认和不承认)，2)大约25个输入变量，3)运行一个logistic回归(Statsmodel，logit或Scikit-learn?)我们是否总是要预测结果类别，才能知道导致入院/住院的危险因素? 5)然后根据p值确定显著的危险因素。

虽然我的目标是找出导致入院的危险因素，但我是否仍须预测结果类别才能知道危险因素？

你能指点我吗？

Answer 1

1)我有两个类别(承认和不承认)，2)大约25个输入变量，3)运行一个logistic回归(Statsmodel，logit或Scikit-learn?)我们是否总是要预测结果类别，才能知道导致入院/住院的危险因素? 5)然后根据p值确定显著的危险因素。

没有必要，您可以只执行群集。而不是删除特性，直到类不再独立。此时，剩下的特征是最重要的风险因素。